写个快排的java代码

时间: 2023-09-19 17:06:13 浏览: 53
### 回答1: public static void quickSort(int[] arr, int low, int high) { if (arr == null || arr.length == 0) return; if (low >= high) return; // 选定基准元素,以此为分界点 int middle = low + (high - low) / 2; int pivot = arr[middle]; // 将大于基准元素的放到右边,小于基准元素的放到左边 int i = low, j = high; while (i <= j) { while (arr[i] < pivot) { i++; } while (arr[j] > pivot) { j--; } if (i <= j) { int temp = arr[i]; arr[i] = arr[j]; arr[j] = temp; i++; j--; } } // 递归排序子序列 if (low < j) quickSort(arr, low, j); if (high > i) quickSort(arr, i, high); } ### 回答2: 下面是一段使用Java实现的快速排序算法的代码: ```java public class QuickSort { public static void quickSort(int[] array, int left, int right) { if (left < right) { int pivotIndex = partition(array, left, right); quickSort(array, left, pivotIndex - 1); quickSort(array, pivotIndex + 1, right); } } private static int partition(int[] array, int left, int right) { int pivot = array[right]; int i = left - 1; for (int j = left; j < right; j++) { if (array[j] < pivot) { i++; swap(array, i, j); } } swap(array, i+1, right); return i + 1; } private static void swap(int[] array, int i, int j) { int temp = array[i]; array[i] = array[j]; array[j] = temp; } public static void main(String[] args) { int[] array = {7, 2, 1, 6, 8, 5, 3, 4}; quickSort(array, 0, array.length - 1); for (int num : array) { System.out.print(num + " "); } } } ``` 这段代码实现了快速排序算法。首先定义了一个`quickSort`函数,用于递归地对数组进行分区和排序。在`quickSort`函数中,通过调用`partition`函数确定基准元素的位置,然后将数组分为两个子数组,并分别对它们进行快速排序。`partition`函数通过将小于基准元素的数移到左边,大于基准元素的数移到右边,来实现对数组的分区。同时,它记录了基准元素的最终位置,以便作为下一次递归中的分区点。 在`main`函数中,我们定义了一个示例数组,并调用`quickSort`函数对其进行排序。最后,输出排序后的数组。 ### 回答3: 快速排序(Quick Sort)是一种常用的排序算法,它的基本思想是选择一个基准元素,将待排序序列划分为两个子序列,小于基准元素的放在左边,大于基准元素的放在右边,然后再对左右两个子序列进行快速排序,重复这个过程直到整个序列有序。 以下是使用Java编写的快速排序代码: ```java public class QuickSort { public static void main(String[] args) { int[] array = {5, 2, 8, 6, 1, 9}; quickSort(array, 0, array.length - 1); System.out.println("排序结果:"); for (int num : array) { System.out.print(num + " "); } } public static void quickSort(int[] array, int low, int high) { if (low < high) { int pivotIndex = partition(array, low, high); quickSort(array, low, pivotIndex - 1); quickSort(array, pivotIndex + 1, high); } } public static int partition(int[] array, int low, int high) { int pivot = array[low]; // 选择第一个元素作为基准元素 int left = low; int right = high; while (left < right) { while (left < right && array[right] >= pivot) { right--; // 从右往左找到第一个小于基准元素的索引 } if (left < right) { array[left] = array[right]; // 将小于基准元素的值赋给左指针位置 left++; } while (left < right && array[left] <= pivot) { left++; // 从左往右找到第一个大于基准元素的索引 } if (left < right) { array[right] = array[left]; // 将大于基准元素的值赋给右指针位置 right--; } } array[left] = pivot; // 将基准元素放入最终位置 return left; } } ``` 在上述代码中,我们首先定义了`quickSort()`方法来实现递归调用,`partition()`方法用于划分序列并返回基准元素的最终位置。在`partition()`方法中,我们选取第一个元素作为基准元素,然后使用左指针和右指针分别从两端向中间扫描,找到需要交换的元素,将它们交换位置。最后,将基准元素放入最终位置,并返回它的索引。 对于给定的输入数组`array = {5, 2, 8, 6, 1, 9}`,经过快速排序后,输出的结果为`1 2 5 6 8 9`。

相关推荐

最新推荐

recommend-type

毕业设计基于STC12C5A、SIM800C、GPS的汽车防盗报警系统源码.zip

STC12C5A通过GPS模块获取当前定位信息,如果车辆发生异常震动或车主打来电话(主动请求定位),将通过GSM发送一条定位短信到车主手机,车主点击链接默认打开网页版定位,如果有安装高德地图APP将在APP中打开并展示汽车当前位置 GPS模块可以使用多家的GPS模块,需要注意的是,当前程序对应的是GPS北斗双模芯片,故只解析 GNRMC数据,如果你使用GPS芯片则应改为GPRMC数据即可。 系统在初始化的时候会持续短鸣,每初始化成功一部分后将长鸣一声,如果持续短鸣很久(超过20分钟),建议通过串口助手查看系统输出的调试信息,系统串口默认输出从初始化开始的所有运行状态信息。 不过更建议你使用SIM868模块,集成GPS.GSM.GPRS,使用更加方便
recommend-type

基于tensorflow2.x卷积神经网络字符型验证码识别.zip

基于tensorflow2.x卷积神经网络字符型验证码识别 卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Pooling)。 全连接层(Fully Connected Layer): 在CNN的末端,通常会有几层全连接层(也称为密集层或线性层)。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程: CNN的训练过程与其他深度学习模型类似,通过反向传播算法和梯度下降(或其变种)来优化网络参数(如滤波器权重和偏置)。 训练数据通常被分为多个批次(mini-batches),并在每个批次上迭代更新网络参数。 应用: CNN在计算机视觉领域有着广泛的应用,包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据,如文本(通过卷积一维序列)和音频(通过卷积时间序列)。 随着深度学习技术的发展,卷积神经网络的结构和设计也在不断演变,出现了许多新的变体和改进,如残差网络(ResNet)、深度卷积生成对抗网络(DCGAN)等。
recommend-type

【三维装箱】遗传和模拟退火算法求解三维装箱优化问题【含Matlab源码 031期】.zip

【三维装箱】遗传和模拟退火算法求解三维装箱优化问题【含Matlab源码 031期】.zip
recommend-type

自己编写的python 程序计算cpk/ppk

cpk&ppk python 小程序,品友点评
recommend-type

基于Springboot开发的分布式抽奖系统.zip

基于springboot的java毕业&课程设计
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

SQL怎么实现 数据透视表

SQL可以通过使用聚合函数和GROUP BY子句来实现数据透视表。 例如,假设有一个销售记录表,其中包含产品名称、销售日期、销售数量和销售额等信息。要创建一个按照产品名称、销售日期和销售额进行汇总的数据透视表,可以使用以下SQL语句: ``` SELECT ProductName, SaleDate, SUM(SaleQuantity) AS TotalQuantity, SUM(SaleAmount) AS TotalAmount FROM Sales GROUP BY ProductName, SaleDate; ``` 该语句将Sales表按照ProductName和SaleDat
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。